Der Ultimative Leitfaden für Digitales Marketing

Kapitel:

Die Anwendung von Website-Analytics auf dein digitales Marketing

Wie ist Ihre emotionale Reaktion, wenn Sie das Wort „Daten“ hören?

Stress? Angst? Frustration?

Glücklicherweise müssen Daten und Analysen nicht beängstigend sein. Tatsächlich kann es Spaß machen (oder zumindest interessant sein), wenn Sie wissen, wie Sie all diese Zahlen und Berichte in handlungsfähige Informationen umwandeln können, die Sie zur Wachstumssteigerung Ihres Unternehmens nutzen können.

In diesem Kapitel lernen Sie die Methodik zur Durchführung von Analysen und Daten in Ihrem Unternehmen, die wichtigsten Metriken, die Begriffe, die Sie verwenden werden, um darüber zu sprechen, sowie die Teams oder Rollen, die dafür verantwortlich sein sollten.

Aber zuerst wollen wir darüber sprechen, warum Daten und Analysen für ein erfolgreiches Unternehmen so wichtig sind.

Warum Daten wichtig sind für Website-Analytics

Daten gibt es in zwei Ausführungen: nicht genug und zu viel.

Die Herausforderung, mit der die meisten Menschen zu kämpfen haben, besteht darin, wie man Zahlen in sinnvolle Entscheidungen umwandelt. Statische Zahlen an sich sind bedeutungslos.

Warum sollten Sie also Analysen durchführen wollen?

Um die Antwort zu verstehen, werfen wir einen Blick auf einige Beispiele:

Der Oakland A’s Athletics Club

Billy Beane übernahm 1997 die Position des General Managers der Oakland A’s. Dort wandte er statistische Analysen (bekannt als Sabermetrics) auf Spieler an und veränderte radikal die Art und Weise, wie sie Spieler verpflichteten.

Beanes Ansatz bestand darin, sich auf spezifische Kennzahlen wie Schlag- und Laufleistungen zu konzentrieren, um unterbewertete Spieler zu finden, die sonst niemand beachtete. Dieser Ansatz machte die Oakland A’s zu einem der kosteneffektivsten Teams im Baseball und führte zu 20 aufeinanderfolgenden Siegen, Playoffs und sogar zur World Series.

Im Wesentlichen ermöglichten Daten den A’s, sich mit viel größeren Vereinen zu messen, obwohl sie mit einem Drittel des Budgets arbeiteten.

Netflix

Netflix’s Grundüberzeugung lautet, dass Anpassung die Kundentreue gewinnt, eine Überzeugung, die Daten in den Mittelpunkt ihrer Unternehmensstrategie stellt.

Als sie noch ein DVD-Verleihunternehmen waren, investierte Netflix stark in die Technologie des Data Mining, um einen Filmempfehlungsalgorithmus zu entwickeln, der den Weg für die Nutzung von Daten zur Schaffung einer großartigen Kundenerfahrung ebnete. Und es funktionierte. Empfehlungen trieben 50% ihres Traffics an.

Nach der Einführung eines Streaming-Modells setzte sich dieser datenorientierte Ansatz fort und machte sie zu einem der führenden Anbieter von Streaming-Video-on-Demand-Diensten.

Heute verschafft ihnen dieser Ansatz die Kundenkenntnisse, die sie benötigen, um äußerst erfolgreiche Originalinhalte wie Daredevil, Stranger Things und Orange Is the New Black zu schaffen.

Das alles wäre ohne Daten nicht möglich gewesen.

Die Methoden einer gut durchgeführten Website-Analytics und Datenstrategie

Um Analysen und Daten zu beherrschen, müssen Sie drei grundlegende Prinzipien beherrschen:

Geben Sie Daten eine Aufgabe. Dies ist das Fundament der Datenanalyse. Jedes gesammelte Datenstück sollte Ihnen helfen, Fragen zu beantworten und kluge Entscheidungen zu treffen.
Verwenden Sie Hypothesentests, um Fragen in Strategien umzuwandeln. Dies macht Daten bedeutsam. Es handelt sich um den Prozess, Rohdaten in Geschäftsentscheidungen zu transformieren.
Wenden Sie Kontext an, um das Nichtmessbare zu berücksichtigen. Einige Dinge sind schwer zu messen. Für solche Situationen müssen Sie die Daten kontextualisieren.

Analysen und Daten sollten nicht stressig sein. Aber es ist leicht, sich so zu fühlen, wenn es so viele Quellen gibt, aus denen man schöpfen kann, jede die Daten anders formatiert, manchmal sogar unterschiedliche Zahlen für dieselbe Metrik liefert.

Wo legen Sie Ihren Fokus an? Wie vergleichen Sie die Daten aus verschiedenen Quellen?

Um anzufangen, geben Sie Ihren Daten eine Aufgabe.

Prinzip #1: Geben Sie Ihren Daten eine Aufgabe

Eine der einfachsten Möglichkeiten, Daten zu verstehen, besteht darin, an den Marketingtrichter zu denken.

Dies ist ein grundlegendes Konzept, das es leicht macht, die Kundengewinnung im Marketing zu visualisieren. Ihre Markenwerbung schafft Bewusstsein und lockt neue Besucher auf Ihre Website. Einige dieser neuen Leads werden ausreichend interessiert sein, um Ihr Unternehmen und Ihre Produkte zu bewerten, und ein Prozentsatz von ihnen wird zu Kunden werden.

Für den Vertrieb ist das ein gutes Modell, aber wir müssen den Trichter anpassen, damit er auch für Analysen und Daten funktioniert.

Dieses Modell ist ein Trichter-Metrik-Flussdiagramm, das nicht nur die Stadien der Kundenreise abbildet, sondern auch die Metriken auflistet, die in jedem Stadium gemessen werden sollten.

Mit diesem Ansatz verwenden wir die gleichen drei Phasen des Trichters, benennen sie jedoch wie folgt um:

Aber wir wollen nicht dabei stehen bleiben. Wir müssen auch messen, was nachdem jemand zum Kunden wird, passiert.

Daher fügen wir eine weitere Phase hinzu: die Post-Konversions-Phase, die sich darauf konzentriert, wie Kunden zu wiederkehrenden Kunden, lebenslangen Abonnenten und Befürwortern Ihres Unternehmens werden können.

So geben Sie Ihren Daten eine Aufgabe. Sie betrachten nicht alle Ihre Daten auf einmal. Sie weisen verschiedenen Metriken in jeder Phase des Trichters zu.

Anstatt die Gesundheit Ihres Unternehmens nur anhand der Endzahlen zu messen, messen Sie seine Gesundheit in jeder Phase – erkennen Undichtigkeiten in Ihrem Trichter, finden Sie strategische Möglichkeiten, diese zu schließen, und erleichtern Sie die Konvertierung.

Um zu beginnen, lassen Sie uns die Trichter-Metriken identifizieren, die Sie für jede Phase der Kundenreise benötigen.

Kategorisierung von Daten nach der Phase des Trichters

TOFU (Top of Funnel)

Ihr Ziel für diese Phase? Neue Besucher.

Die Schlüsselfrage bei der Auswahl von Metriken für diese Phase lautet: Gibt mir diese Metrik Einblick in brandneue Besucher?

Direkte neue Besucher ist die Anzahl der Personen, die Ihre Website-URL direkt in Google eingeben. Dies kann die Effektivität von Online- und Offline-Werbemaßnahmen messen:

MOFU (Mitte des Trichters)

Ihr Ziel in dieser Phase? Neue Besucher in Leads umwandeln.

Ihre Leitfrage bei der Entscheidung, ob eine Metrik für die Mitte des Trichters geeignet ist, lautet: Gibt mir diese Metrik Einblick in die Frage, wie gut es mir gelingt, Besucher zur Bindung zu bewegen?

„Bindung“ kann wie folgt definiert werden:

Es geht darum, dass Menschen Ihnen die Erlaubnis geben, Kontakt aufzunehmen und ihnen mehr Wert anzubieten.

Wenn Sie einen Blogbeitrag mit einem Banner haben, um mehr über eines Ihrer Produkte zu erfahren, müssen Sie wissen, wie viele Klicks dieser Banner erhält und welcher Prozentsatz Ihrer Blogbesucher darauf klickt. Dadurch können Sie bewerten, wie gut Ihre Inhalte Besucher in Leads umwandeln.

BOFU (Unterer Trichter)

Ihr Ziel? Interessenten in Kunden umwandeln.

Ihre Leitfrage bei der Auswahl von Kennzahlen für diese Phase lautet: Gibt mir diese Kennzahl Einblick in die Konversionsrate von Interessenten zu Kunden?

Diese Phase ist besonders wichtig, weil die Wahrscheinlichkeit, dass jemand etwas bei Ihnen kauft – selbst etwas Kleines und Günstiges – um das 10-fache steigt, und ihre Bereitschaft, in die Beziehung zu investieren, signifikant zunimmt.

Wie viele Personen haben auf eine Markenkommunikation geklickt oder einen Kauf getätigt? Dies zeigt Ihnen, welche Angebote funktionieren und welche Art von Angeboten Sie neuen Kunden machen sollten.

Retention & Monetization (Nach der Konversion)

Ihr Ziel für diese Phase? Kundenzufriedenheit. Sie möchten die Mitgliedschaft, das ROI für den Traffic, die Kundenbindung und den Kundenlebenswert erhöhen.

Die leitende Frage bei der Betrachtung von Post-Konversions-Metriken: Gibt mir diese Metrik Einblick in die Zufriedenheit unserer Kunden?

Diese Daten warten nicht auf Sie bei Google, daher sind sie schwerer zu bekommen, aber zufriedene Kunden sind normalerweise bereit, sie zu teilen. Hier bei DM suchen wir nach positiven Bewertungen von Personen in unserem Mitgliederbereich. Das sagt uns, wie gut wir den Leuten dabei helfen, ihre Ziele zu erreichen.

Denken Sie daran, dass dies keine Eitelkeitsmetriken sind. Sie helfen uns zu verstehen, was es braucht, um die Menschen im DM Lab zu halten, und sie ermutigen dazu, ihren Freunden vom Lab zu erzählen.

Dieser Bericht verfolgt, wie viele Personen wir einem Abonnementprodukt hinzufügen, wie viele Personen wir verlieren und wie wir sie verlieren.

Diese Kennzahlen zeigen uns, wie gesund das Produkt ist, und wenn sie mit anderen Berichten kombiniert werden, können wir sehen, welche Maßnahmen dazu führen, dass Kündigungen erfolgen oder die Mitgliedschaft steigt. Diese Informationen sind entscheidend für ein Mitgliederprodukt, da die Mitgliederbindung den Gewinn antreibt.

Kategorisierung von Daten nach Typ

Wir haben gerade TOFU-, MOFU- und BOFU-Kennzahlen überprüft, die eine Möglichkeit zur Kategorisierung von Kennzahlen nach den Stufen Ihres Funnels darstellen. Es gibt jedoch eine andere Möglichkeit, Kennzahlen zu kategorisieren, nämlich nach der Art der bereitgestellten Informationen.

Es gibt 2 Arten von Kennzahlen:

Hauptkennzahlen bestimmen die allgemeine Gesundheit. Diese Kennzahlen sind wie ein Thermometer für Ihr Unternehmen. Damit eine Kennzahl als Hauptkennzahl gilt, müssen Sie sie betrachten und sofort wissen können, ob es Ihrem Unternehmen gut geht oder nicht.

Detaillierte Kennzahlen beantworten große Fragen. Diese Kennzahlen sind detaillierter und helfen Ihnen dabei zu verstehen, was in bestimmten Bereichen Ihres Unternehmens passiert.

Normalerweise verwenden Sie beide Arten von Kennzahlen zusammen, nicht eine oder die andere. Wenn Hauptkennzahlen anzeigen, dass es gut läuft, verwenden Sie detaillierte Kennzahlen, um zu verstehen, warum, damit Sie Ihren Erfolg replizieren können.

Verbesserung der Klickrate von On-Site-Bannern

Die durchschnittliche Banner-Klickrate (%) ist eine Hauptkennzahl. Sie zeigt Ihnen auf Ihrer gesamten Website, wie wahrscheinlich es ist, dass ein Besucher auf eine Banner-Anzeige in einem Ihrer Artikel klickt.

Um uns zu helfen zu verstehen, warum die Klickrate bei 3,25 % liegt und wie wir diese Zahl verbessern können, benötigen wir eine detaillierte Kennzahl: Wie wahrscheinlich ist es, dass ein Besucher auf eine Banner-Anzeige in einem bestimmten Artikel klickt?

Vor nicht allzu langer Zeit haben wir dies für den DM-Blog gemacht. Nachdem wir alle unsere Blog-Beiträge überprüft und uns auf bestimmte Kennzahlen konzentriert hatten, konnten wir die Faktoren identifizieren, die sich auf die Klickrate auswirken. Nachdem wir unsere Erkenntnisse angewandt hatten, haben wir die Klickrate für Banner-Anzeigen auf dem Blog um etwa 2 % verbessert.

Verbesserung des Suchverkehrs

Um mehr zu erfahren, wäre die detaillierte Kennzahl „Anteil am Suchverkehr“: Welcher Prozentsatz des Suchverkehrs wird von welcher Person oder Marke kontrolliert?

Hier würden Sie vergleichen, wie viel Suchverkehr Sie für ein bestimmtes Keyword erhalten, und wie viel Ihre Konkurrenten von diesem Keyword erhalten. Dies ermöglicht es Ihnen, Bereiche zu finden, in denen Sie mit viel größeren Unternehmen konkurrieren können, weil Sie das Keyword besitzen. Alternativ sagt es Ihnen, an welchen Keywords Sie arbeiten müssen.

Verbesserung des E-Commerce

Sie möchten wissen, wo der Großteil des Umsatzes aus Ihrem durchschnittlichen Bestellwert stammt. Dies könnte enthüllen, dass Sie Dinge in Ihrem Verkaufstrichter umstellen müssen oder dass Sie eine Promotion gegenüber einer anderen pushen müssen, weil ihr durchschnittlicher Bestellwert viel höher ist.

Wie Sie sehen können, gibt es zwei Möglichkeiten, wie Sie Ihren Kennzahlen eine Aufgabe zuweisen können.

Sobald Sie das allgemeine Wohlbefinden Ihres Unternehmens und die Bereiche, in denen es funktioniert (oder nicht), verstehen, können Sie beginnen, Kennzahlen zur Problemlösung zu verwenden.

Prinzip #2: Verwendung von Kennzahlen zur Problemlösung

Daten werden auf einem Dashboard gesammelt, nicht wahr? Aber auf dem Dashboard sind es Rohdaten. Ihre Aufgabe als Datenanalyst ist es, rohe Daten in aktive Daten umzuwandeln.

Dafür verwenden Sie den analytischen Entscheidungsprozess.

Dieser Prozess funktioniert sehr ähnlich wie die wissenschaftliche Methode, nur basiert er auf Kennzahlen.

In der wissenschaftlichen Methode beginnen Sie mit Fragen und Hypothesen und machen dann Vorhersagen darüber, was passieren könnte, wenn Sie verschiedene Hypothesen testen.

Mit Daten und Analytik funktioniert es genauso. Sie überprüfen Ihre Daten und fangen an, Fragen dazu zu stellen. Sie stellen Hypothesen darüber auf, was passieren könnte, wenn Sie auf irgendeine dieser Zahlen Einfluss nehmen könnten. Dann entwickeln Sie einen Test, um zu sehen, ob Sie recht haben.

Durch die Überprüfung der Ergebnisse können Sie klar erkennen, was getan werden muss, um Ihr Unternehmen zu verbessern. Entscheidungen zu treffen basiert nicht mehr auf Bauchgefühl, sondern darauf, was die Daten Ihnen sagen.

Zumindest ist das die Theorie.

In der Praxis wissen wir oft nicht genug, um zu wissen, welche Fragen wir stellen sollten. In solchen Situationen hilft es oft, sich erneut in die Daten zu vertiefen.

Überprüfung von Schlüsselkennzahlen zur Anregung von Fragen

Wenn Sie nicht genug wissen, um zu wissen, was Sie fragen sollten, bieten Ihre Kennzahlen oft die Einsichten, die Sie benötigen.

Schritt 1. Beginnen Sie mit der Überprüfung Ihrer Schlüsselkennzahlen. Identifizieren Sie die Bereiche, in denen Ihre Leistung besser als erwartet ist oder möglicherweise rückläufig ist. In vielen Fällen werden dadurch Fragen inspiriert.

Schritt 2. Stellen Sie eine Hypothese darüber auf, was geschieht. Machen Sie einige Vorhersagen darüber, was passiert. Für unsere Unstimmigkeiten bei den hinzugefügten Mitgliedern haben wir drei Vermutungen angestellt:

Tipp: Beschränken Sie sich nicht nur auf eine Hypothese. Es ist am besten, mehrere Erklärungen in Betracht zu ziehen – idealerweise 5 bis 7 Hypothesen – und sie alle zu testen. Andernfalls begrenzen Sie Ihre Fähigkeit, herauszufinden, was los ist.

Sie sehen, in den meisten Fällen gibt es nicht nur einen Grund für das Problem, das Sie sehen. Mehrere Faktoren können zum Erfolg oder Misserfolg beitragen, den Sie verstehen möchten. Je mehr Hypothesen Sie haben, desto besser sind Ihre Chancen, alle beteiligten Faktoren zu isolieren.

Schritt 3. Verwenden Sie detaillierte Kennzahlen, um Hypothesen zu testen. Dazu verwenden Sie detailliertere, granulare Daten, um herauszufinden, was das Problem verursacht, das Sie zu verstehen versuchen.

Diese Daten werden normalerweise nicht täglich überprüft, aber sie existieren, und Sie wissen, wo Sie sie finden können. Es sind auch die Daten, die Ihnen bei der Beantwortung solcher Fragen helfen.

Für diese spezielle Frage haben wir Kohortenanalysen verwendet, um unsere 3 Hypothesen zu testen. Wir haben 7 Kohorten entwickelt, oder verschiedene Möglichkeiten, wie Sie die Personen im DM Lab gruppieren könnten, einschließlich Kündigungsdatum, durchschnittlichem Prozentsatz der Zahlungen, wie lange sie aktiv waren und mehr.

Nachdem wir all diese Informationen überprüft hatten, erkannten wir, dass das 1-Dollar-Testangebot ein besseres Front-End-Angebot ist als das Vollzahlungsangebot.

Schritt 4. Handeln Sie basierend auf Ihren Erkenntnissen. Der Schluss unserer Datenanalyse war, dass das Testangebot mehr zahlende Kunden als der Durchschnitt generiert. Von 100 Personen, die wir in das DM Lab aufnehmen, kamen 21 vom Testangebot und 20 vom Vollzahlungsangebot.

Obwohl das keine signifikante Differenz ist, kann sich das im Laufe der Zeit summieren. Also haben wir unser Front-End-Angebot geändert. Das 1-Dollar-Testangebot ist jetzt unser Hauptangebot, und bisher hat es zusätzliche 1.000 Lab-Mitglieder gebracht.

Prinzip #3: Daten in Kontext setzen, um das Nicht Messbare zu berücksichtigen

Es spielt keine Rolle, wie gut Ihre Daten sind, manchmal verraten sie nicht alles, was Sie wissen müssen.

Nehmen wir an, Sie überprüfen Ihre Daten und sehen einen Trend. Warum nimmt dieser Trend Form an? Vielleicht haben Sie in diesem Zeitraum eine Kampagne durchgeführt. Vielleicht haben Ihre Konkurrenten etwas Einzigartiges gemacht. Oder vielleicht hatten Sie ein Technologieproblem, das die Daten verfälscht hat.

Wenn Sie diese Faktoren bei der Auswertung Ihrer Daten nicht berücksichtigen, werden Sie wahrscheinlich aufgrund eines falschen Datensatzes eine Annahme treffen. Ihre Schlussfolgerung wird nicht gültig sein.

In solchen Situationen hilft der Kontext, Abweichungen in Ihren Daten zu berücksichtigen. Und es gibt 4 Kontexte, die Sie berücksichtigen sollten.

Historische Kontexte

Was sagt die Geschichte, was Sie erwarten können? Durch die Betrachtung von Daten aus historischer Sicht können Sie Trends und typisches Verhalten Ihrer Kunden verstehen.

Zum Beispiel haben wir bei DigitalMarketer festgestellt, dass die Verkäufe im Sommer abnehmen. Konsequent. Jeden Sommer.

Anstatt sich also über niedrigere Zahlen Gedanken zu machen, haben wir Strategien entwickelt, um die Verkäufe im späten Frühling zu steigern. Im Sommer reduzieren wir auch die Werbeausgaben, da wir wissen, dass die Rendite nicht so gut sein wird.

Externe Kontexte

Welche Veränderungen außerhalb unserer Kontrolle haben unsere Metriken beeinflusst? Vielleicht ist ein neuer Konkurrent in den Markt eingetreten. Oder vielleicht hat sich die Technologie verändert, was drastische Änderungen in der Art und Weise erfordert, wie Sie Dinge tun.

Denken Sie an Google-Algorithmus-Updates.

Externe Faktoren sind möglicherweise außerhalb Ihrer Kontrolle, aber Sie müssen sie im Auge behalten, wenn Sie die Leistung bewerten.

Interne Kontexte

Haben Sie Änderungen an Ihrer Strategie vorgenommen, die sich auf Ihre Leistung auswirken? Haben Sie Änderungen an Ihrer Website vorgenommen oder eine Kampagne gestartet?

Dies ist eher eine Selbstbewertung. Denken Sie über die internen Änderungen nach, die Sie vorgenommen haben und die Ihre Zahlen beeinflusst haben könnten.

Kontextuelle Kontexte

Dies hat damit zu tun, wie Sie die Daten abrufen. Vergleichen Sie rohe Zahlen oder Prozentsätze? Werden Ihre Zahlen durch Ausreißer verzerrt? Haben Sie Daten, die aufgrund eines internen oder externen Faktors keinen Sinn ergeben?

Zusammen helfen Ihnen diese Kontextfaktoren, die nicht messbaren Dinge zu berücksichtigen, die Dinge, die Sie nicht vorhersehen oder in Ihren Daten erklären können. Und sie helfen Ihnen, die Gültigkeit Ihrer Daten zu bewerten.

Daten handlungsfähig machen

Wie Sie sehen können, können die 3 Prinzipien für gut durchgeführte Analytik und Daten Ihnen helfen, zufällige Zahlen in handlungsorientierte Aufgaben für Ihr Unternehmen umzuwandeln.

Sie müssen den Daten Rollen zuweisen, damit Sie wissen, in welchem Stadium des Trichters sie sich befinden und ob sie Ihnen etwas mitteilen (Schlüsselmetrik) oder Ihnen Informationen geben, um eine Frage zu beantworten (Detailmetriken).

Sie müssen auch Daten verwenden, um klügere Entscheidungen für Ihr Unternehmen zu treffen. Verwenden Sie sie, um Ihre Ideen darüber zu testen, was funktioniert und was nicht, und wie Sie die Ergebnisse verbessern könnten. Wenn Sie die Zahlen überprüfen, um eine Frage zu beantworten, wissen Sie, was Sie zu beweisen oder zu widerlegen versuchen.

Schließlich müssen Sie Ihre Daten in den Kontext setzen, indem Sie die Faktoren bewerten, die die Zahlen nach oben oder unten treiben könnten. Indem Sie Daten mit der realen Welt verknüpfen, werden die Zahlen sinnvoller, und es wird einfacher, sie in Ihrem Unternehmen zu nutzen, um Wachstum zu fördern.

Die Fachbegriffe der Analysten

Es gibt 5 Begriffe, die Sie kennen müssen, um intelligent über Analytik und Daten zu sprechen.

Analytische Entscheidungsfindung

Hierbei handelt es sich um die wissenschaftliche Methode des Datenwissenschaftlers. Es ist der Prozess, den Sie verwenden, um die Fragen zu identifizieren, die Sie stellen sollten, und die besten Methoden zur Beantwortung dieser Fragen zu finden.

Werkzeuge des Analysten

Hierbei handelt es sich um die Werkzeuge, Vorlagen und Ressourcen, die Sie verwenden, um Konzepte und Ideen in Daten und Berichte umzuwandeln. Ihre Werkzeugsammlung hilft Ihnen, die richtigen Fragen zu stellen und einen Prozess zu entwickeln, der die Datenanalyse erleichtert.

UTM-Parameter

Hierbei handelt es sich um den Code, den Sie einer URL anhängen können, um mehr Informationen darüber zu erhalten, woher Ihr Traffic kommt.

Wenn Sie UTM-Parameter zu Ihren Links hinzufügen, werden alle, die auf diese Links klicken, markiert, und Sie können diese Tags in Google Analytics verfolgen.

Dies ermöglicht es Ihnen zu sehen, welche Quellen und Kommunikationen Ihnen den besten Traffic bringen.

Key Performance Indicator (KPI)

KPI ist eine andere Bezeichnung für eine Metrik im Allgemeinen, und sie wird normalerweise verwendet, um über eine Metrik zu sprechen, von der jemand denkt, dass sie sein Geschäft antreibt. KPI ist eine weitere Möglichkeit, über eine Schlüsselmetrik zu sprechen.

Dashboard

Ein Dashboard ist eine Webseite, die Ihre Metriken aus einer bestimmten Quelle zusammenfasst. Sie werden wahrscheinlich für jede Datenquelle ein Dashboard haben: Google Analytics, Ihren E-Mail-Service-Anbieter, Ihre Social-Media-Plattformen und mehr.

Die meisten Dashboards bieten auch Grafiken, die Ihre Daten visualisieren und es Ihnen leichter machen, Ihre Leistung zu sehen.

Dashboards sollten für alle Teammitglieder zugänglich sein. Sie helfen Ihnen dabei, leicht zu verstehen, was im Unternehmen vor sich geht, was den Teammitgliedern dabei hilft zu sehen, wie ihre Arbeit den Erfolg Ihres Unternehmens beeinflusst.

Die Rollen: Wer muss informiert sein?

Wer sollte im Besitz der Daten Ihres Unternehmens sein? Wo in der Firma findet die Datenanalyse statt?

Daten & Analytik

Das Analyseteam (oder Einzelperson) sollte die Hauptverantwortung für das Sammeln, Prüfen und Interpretieren Ihrer Daten und Analysen haben.

Größere Teams können auch einen Datenimplementierungsmanager haben, der all diese Informationen zusammenführt und sie in ein übersichtliches Dashboard umwandelt.

Marketing

Jeder erfahrene Vermarkter sollte zumindest ein wenig über Analytik und Daten wissen. Egal, ob Sie Facebook-Kampagnen durchführen, 50 Mal am Tag twittern oder Artikel auf Ihrem Blog veröffentlichen, Sie müssen wissen, was funktioniert und was nicht.

Conversion Rate Optimization (CRO)

Die Personen, die Tests zur Optimierung Ihrer Vermarktung durchführen, stützen sich stark auf Daten, um ihre Hypothesen zu entwickeln, Tests einzurichten und die Leistung zu messen.

Zusammenfassung

Analytik muss nicht beängstigend oder überwältigend sein, auch wenn Sie keine Zahlenperson sind. Sie benötigen lediglich einen Prozess, um mit den Zahlen umzugehen, eine Methode, um herauszufinden, welche Ihnen dabei helfen, Chancen zu identifizieren, und welche Sie ignorieren können.

Sobald Sie Ihren Prozess eingerichtet haben, werden Sie möglicherweise feststellen, dass Ihnen Analytik sogar Spaß macht. Es gibt kein besseres Gefühl, als zu wissen, dass Ihr Marketingplan zweifellos funktioniert – und es sind die Metriken, die Ihnen dieses Vertrauen geben.

Wir nähern uns dem Ende unseres Überblicks über digitales Marketing. Die nächste (und letzte) Lektion ist die Conversion Rate Optimization (CRO), ein einfacher Prozess zur Verbesserung Ihrer Marketingergebnisse im Laufe der Zeit.

Ehrlich gesagt ist die Conversion Rate Optimization, oder CRO, wie es oft genannt wird, die Geheimzutat für Ihre digitale Marketingstrategie, und Sie werden mögen, wie sie Ihre Energie auf die wichtigsten Aufgaben lenkt.